前言

上一篇介绍了目标检测和YOLOv5的基本原理，本文进入完整实战。我们将使用一个已经标注好的口罩数据集训练YOLOv5s，实现mask与no-mask两类目标检测，并使用图片和摄像头验证模型。

本文不是基于当前最新版ultralytics Python包，而是基于本地yolov5_2_0旧版工程代码。很多网络教程使用新版参数，例如--img、runs/train或from ultralytics import YOLO，不能直接照搬到这个项目。本文所有命令均按照当前工程实际支持的参数编写。

本项目已经具备现成数据集，因此不会展开标注软件操作，只说明YOLOv5数据集必须包含哪些内容、目录如何对应、标签如何检查。

整篇代码严格遵循工程化规范，所有训练命令按实际支持的参数编写，环境配置清晰可复现，可直接迁移至其他目标检测数据集的训练任务中。

---

---

一、项目目标与最终效果

项目需要在图片、视频或摄像头中检测人脸区域，并输出两个类别：

0：mask（戴口罩）
1：no-mask（未戴口罩）

最终效果如下：

• 绿色框显示戴口罩目标；
• 红色框显示未戴口罩目标；
• 画面中出现no-mask时显示警告文字。

训练完成后，核心产物不是训练脚本本身，而是权重文件：

runs/exp17/weights/best.pt

以后进行图片或摄像头推理时，主要加载这个文件。

二、项目目录结构

当前项目中，数据集和YOLOv5工程是同级目录：

Mask_YOLO/
├─ MaskDataSet/
│  ├─ train/
│  │  ├─ images/
│  │  └─ labels/
│  ├─ valid/
│  │  ├─ images/
│  │  └─ labels/
│  ├─ test/
│  │  ├─ images/
│  │  └─ labels/
│  └─ data.yaml
└─ yolov5_2_0/
   ├─ models/
   ├─ utils/
   ├─ weights/
   ├─ runs/
   ├─ train.py
   ├─ test.py
   ├─ detect.py
   ├─ camera_mask.py
   └─ hyp.yaml

“同级目录”意味着从yolov5_2_0出发，先使用..返回上一级，再进入MaskDataSet：

../MaskDataSet

Windows命令中的反斜杠和YAML中常用的正斜杠通常都能被Python处理，但配置文件中使用/更容易跨平台。

三、Python与Conda环境

同一台电脑可以同时存在Python 3.9、3.10、3.11和3.13。不同解释器的第三方库默认不互通，因此不能只看电脑上“安装了PyTorch”，还要看它安装在哪个环境中。

本项目已经验证可用的环境是：

Conda环境名：pytorch
Python：3.10.20
PyTorch：2.5.1 CPU版

在CMD中激活环境：

conda activate pytorch

确认解释器：

where python
python --version
python -c "import sys; print(sys.executable)"
python -c "import torch; print(torch.__version__, torch.cuda.is_available())"

正确路径应类似：

D:\Anaconda3\envs\pytorch\python.exe

如果torch.cuda.is_available()返回False，表示当前使用CPU版PyTorch。程序仍然可以运行，只是训练和推理速度较慢。

为了长期管理，可以将环境克隆为项目专属名称：

conda create -n mask-yolo --clone pytorch
conda activate mask-yolo

四、数据集必须包含哪些内容

现成的YOLOv5目标检测数据集至少需要以下内容：

1. 训练图片；
2. 与训练图片对应的YOLO TXT标签；
3. 验证图片；
4. 与验证图片对应的YOLO TXT标签；
5. 数据配置文件data.yaml；
6. 明确且固定的类别编号与类别名称。

测试集不是训练的绝对必需项。训练时必须有训练集，通常也应有验证集；测试集用于最终独立评价。

图片支持的常见格式包括.jpg、.jpeg和.png。标签必须是纯文本.txt文件。

数据质量比单纯数量更重要。图片应尽量覆盖：

• 不同人物；
• 正脸和侧脸；
• 不同距离和人脸大小；
• 室内与室外光线；
• 明亮、背光和低照度情况；
• 不同颜色、形状的口罩；
• 未戴口罩、错误佩戴、遮挡脸部等困难情况；
• 最终实际使用的摄像头画面。

五、YOLO标签文件格式

每张图片对应一个同名标签文件。例如：

images/person_001.jpg
labels/person_001.txt

TXT中每一行表示一个目标：

class_id x_center y_center width height

示例：

0 0.515625 0.462500 0.187500 0.325000
1 0.243750 0.510000 0.162500 0.290000

第一行表示类别0，第二行表示类别1。一张图有多少个目标，就有多少行。

后四个坐标必须归一化到0～1。如果标注工具导出的坐标是像素值，需要转换：

x_center_normalized = x_center_pixel / image_width
y_center_normalized = y_center_pixel / image_height
width_normalized    = box_width_pixel / image_width
height_normalized   = box_height_pixel / image_height

类别编号必须从0开始。本项目规定：

0 = mask
1 = no-mask

如果标签中的0实际代表未戴口罩，而YAML却写成mask，模型训练本身可能正常，但最终显示名称会完全相反。

调试提示：

在训练前，可编写一个简单的标签检查脚本，在PyCharm中设置断点查看标签是否正确加载：

import cv2
import numpy as np

img_path = "../MaskDataSet/train/images/000001.jpg"
label_path = "../MaskDataSet/train/labels/000001.txt"

img = cv2.imread(img_path)
h, w = img.shape[:2]

with open(label_path, 'r') as f:
    lines = f.readlines()

for line in lines:
    cls, xc, yc, bw, bh = map(float, line.strip().split())
    x1 = int((xc - bw/2) * w)
    y1 = int((yc - bh/2) * h)
    x2 = int((xc + bw/2) * w)
    y2 = int((yc + bh/2) * h)
    cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2)
    cv2.putText(img, str(int(cls)), (x1, y1-5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0,255,0), 1)

cv2.imshow('check', img)
cv2.waitKey(0)

通过断点观察lines的内容，确认每行恰好包含5个数值，且坐标都在0~1之间。

六、数据集目录为什么必须对应

YOLOv5会根据图片路径自动寻找标签。在这个旧版工程中，它通常把路径中的images替换成labels，并把图片后缀替换成.txt。

例如：

MaskDataSet/train/images/abc.jpg

对应：

MaskDataSet/train/labels/abc.txt

因此以下情况会导致标签无法加载：

• 图片和标签文件名不同；
• images或labels目录拼写错误；
• 标签扩展名不是.txt；
• 图片被重新命名，但标签没有同步改名。

本项目训练集105张图片与105个标签能够对应，验证集29张图片与29个标签也能对应。测试集中的15张图片曾被改名为1.jpg到15.jpg，标签仍保留原名，所以测试集当前不能可靠用于评价。

七、编写data.yaml

本项目使用的MaskDataSet/data.yaml为：

train: ../MaskDataSet/train/images
val: ../MaskDataSet/valid/images
nc: 2
names: ['mask', 'no-mask']

字段含义如下：

• train：训练图片目录；
• val：验证图片目录；
• nc：类别数量，number of classes；
• names：类别名称列表，位置必须和标签编号一致。

这里的路径是相对于运行train.py时的工作目录解释的。我们先进入yolov5_2_0再启动训练，所以../MaskDataSet是正确路径。

如果在其他目录启动脚本，相对路径可能失效。初学阶段最稳妥的方式是先切换到YOLO工程根目录：

cd /d D:\Jupyter_Projects\PythonProject\AI_Projects\Mask_YOLO\yolov5_2_0

测试集修复文件名对应关系后，可以增加：

test: ../MaskDataSet/test/images

在对应关系未修复前不要强行加入测试路径。

八、检查类别编号和样本分布

训练前应检查：

• 所有标签是否恰好包含5列；
• 类别编号是否为0或1；
• 坐标是否都在0～1；
• 图片是否都有同名标签；
• 是否存在标签但缺少图片；
• 各类别标注框数量是否严重失衡。

本项目统计结果：

数据划分	mask	no-mask	总标注框
train	573	123	696
valid	142	20	162
test	91	5	96

全部数据共954个框。训练集中mask:no-mask约为4.7:1，验证集中约为7.1:1，类别失衡比较明显。

需要区分“图片数量”和“标注框数量”。训练集只有105张图片，但一张图片中可以有多个人脸，所以共有696个训练框。

调试提示：

可在PyCharm中运行以下代码片段，在断点处查看类别分布：

import os
from collections import Counter

label_dir = "../MaskDataSet/train/labels"
class_counts = Counter()

for f in os.listdir(label_dir):
    if f.endswith('.txt'):
        with open(os.path.join(label_dir, f), 'r') as fp:
            for line in fp:
                cls = int(line.strip().split()[0])
                class_counts[cls] += 1

print(class_counts)  # Counter({0: 573, 1: 123})

通过调试器观察class_counts的具体数值，确认类别失衡程度。

九、模型配置与预训练权重

项目使用YOLOv5s：

models/yolov5s.yaml

预训练权重为：

weights/yolov5s.pt

yolov5s.yaml定义网络结构，yolov5s.pt保存预训练参数。二者不是同一个概念。

对于小数据集，推荐从预训练权重开始，而不是完全随机初始化。预训练模型已经学会大量通用视觉特征，可以减少训练难度。

超参数文件为：

hyp.yaml

它包含学习率、动量、权重衰减、颜色增强、缩放和平移等训练设置。初学者应该先使用一套能够工作的配置建立基准结果，再逐项实验，不要一次修改许多参数。

十、训练命令逐项解释

本项目使用的训练命令：

python train.py ^
  --data ../MaskDataSet/data.yaml ^
  --cfg models/yolov5s.yaml ^
  --weights weights/yolov5s.pt ^
  --hyp hyp.yaml ^
  --epochs 200 ^
  --batch-size 4 ^
  --img-size 640 640 ^
  --device cpu

参数说明如下：

• --data：指定数据集YAML。脚本会从这里获得训练目录、验证目录、类别数和类别名；
• --cfg：指定模型结构。本项目选择体积较小、速度较快的YOLOv5s；
• --weights：指定初始化权重。填写weights/yolov5s.pt表示迁移学习；
• --hyp：指定超参数文件；
• --epochs：表示完整遍历训练集的次数。200个epoch意味着模型会多次看到同一批图片，但每次可能经过随机增强；
• --batch-size：表示一次送入模型的图片数量。batch越大通常占用更多显存或内存。CPU环境使用4是较保守的选择；
• --img-size 640 640：表示训练和测试输入尺寸。旧版程序支持分别指定训练、测试尺寸；
• --device cpu：强制使用CPU。如果安装了可用的CUDA版PyTorch，可使用--device 0指定第一块GPU。

Windows CMD使用^表示命令换行。如果希望减少复制问题，也可以写成一行。

十一、正式开始训练

完整执行顺序：

conda activate pytorch
cd /d D:\Jupyter_Projects\PythonProject\AI_Projects\Mask_YOLO\yolov5_2_0
python train.py --data ../MaskDataSet/data.yaml --cfg models/yolov5s.yaml --weights weights/yolov5s.pt --hyp hyp.yaml --epochs 200 --batch-size 4 --img-size 640 640 --device cpu

第一次训练前可以运行帮助命令，确认当前版本到底支持哪些参数：

python train.py --help

这是避免“照抄了其他版本教程但参数不存在”的有效方法。

CPU训练较慢，终端一段时间没有刷新不一定代表卡死。可以观察CPU使用率、内存和runs目录中的文件更新时间。

调试提示：

训练开始后，可在runs/exp0目录中查看生成的train_batch0.jpg，了解数据增强后的训练图片效果。如果发现明显异常的增强（如人脸翻转、颜色严重失真），可调整hyp.yaml中的增强参数。

十二、训练过程中观察什么

训练日志通常显示当前epoch、显存占用、损失、目标数量和验证指标，例如：

199/199  0G  box_loss  obj_loss  cls_loss  total  targets  img_size  P  R  mAP@.5  mAP@.5:.95

重点观察：

• box_loss是否总体下降；
• obj_loss是否总体下降；
• cls_loss是否总体下降；
• 验证集Precision、Recall和mAP是否提升；
• 后期是否出现训练损失继续下降，但验证指标变差的现象。

日志中的0G表示没有使用GPU显存，即当前在CPU上训练。

某一轮损失轻微上升很正常。随机batch、Mosaic、缩放和颜色增强都会让每轮难度不同。应该看整体趋势，不要根据一两轮波动判断训练失败。

十三、训练输出文件说明

这个旧版工程将每次训练保存在：

本项目效果较完整的一次训练是runs/exp17。其中常见文件包括：

exp17/
├─ hyp.yaml          # 本次使用的超参数
├─ opt.yaml          # 本次训练命令参数，便于复现实验
├─ results.txt       # 每个epoch的损失和指标
├─ results.png       # 训练曲线图
├─ labels.png        # 标签位置和尺寸分布
├─ train_batch0.jpg  # 数据增强后的训练图片
├─ test_batch0_gt.jpg   # 真实标签
├─ test_batch0_pred.jpg # 模型预测
└─ weights/
   ├─ best.pt        # 验证集表现最优的模型
   └─ last.pt        # 最后一个epoch的模型

opt.yaml保存本次训练命令参数，便于复现实验。

hyp.yaml保存本次使用的超参数。

results.txt保存每个epoch的损失和指标。

results.png将训练曲线绘制成图片。

labels.png可用于观察标签位置和尺寸分布。

train_batch*.jpg展示数据增强后的训练图片，可以发现明显错标或异常增强。

test_batch0_gt.jpg是真实标签，test_batch0_pred.jpg是模型预测，可用于直观比较。

调试提示：

训练完成后，打开results.png观察损失曲线。如果val_mAP在后期持续下降，说明可能发生过拟合。如果训练损失持续下降但验证损失上升，也是过拟合的信号。

十四、best.pt与last.pt的区别

last.pt是最后一个epoch保存的模型。

best.pt是训练过程中根据验证表现选出的较优模型。最后一轮不一定是效果最好的一轮，因为后期可能发生过拟合或指标波动。

实际推理通常优先使用：

best.pt

如果训练意外中断并希望继续训练，通常使用last.pt恢复进度。旧版工程的恢复参数可以通过以下命令确认：

python train.py --help

十五、验证模型并查看分类别指标

只看训练日志中的all行不够。应使用--verbose输出每个类别的指标：

python test.py ^
  --weights runs\exp17\weights\best.pt ^
  --data ..\MaskDataSet\data.yaml ^
  --batch-size 4 ^
  --img-size 640 ^
  --conf-thres 0.001 ^
  --iou-thres 0.5 ^
  --device cpu ^
  --verbose

评估mAP时使用较低的--conf-thres 0.001，是为了让程序收集足够多的候选结果绘制完整的Precision-Recall关系。它不同于实际展示结果时常用的0.25。

项目旧代码原本使用已经被新版NumPy删除的np.int，需要替换为内置int才能正常评估。这属于旧代码兼容问题，并不是数据集错误。

十六、本项目的实际训练结果

exp17完成了200个epoch。最佳权重按类别验证结果如下：

类别	Images	Targets	Precision	Recall	mAP@0.5	mAP@0.5:0.95
all	29	162	0.671	0.905	0.872	0.557
mask	29	142	0.819	0.880	0.913	0.588
no-mask	29	20	0.522	0.930	0.830	0.526

不能只看到mAP@0.5 = 0.872就认为模型在所有场景都很好。

no-mask的Recall为0.930，说明验证集中大部分未戴口罩目标能够被找到；但Precision只有0.522，说明该类别预测不够稳定。并且验证集中只有20个no-mask框，样本规模不足以全面代表真实摄像头环境。

十七、使用图片测试模型

从验证集图片进行推理：

python detect.py ^
  --weights runs\exp17\weights\best.pt ^
  --source ..\MaskDataSet\valid\images ^
  --output inference\mask_result ^
  --img-size 640 ^
  --conf-thres 0.25 ^
  --iou-thres 0.45 ^
  --device cpu

常用参数：

• --weights：权重路径；
• --source：一张图片、图片目录、视频或摄像头编号；
• --output：输出目录；
• --conf-thres：最低置信度；
• --iou-thres：NMS的IoU阈值；
• --device：CPU或GPU。

应分别测试三类图片：

1. 验证集图片，用于确认模型和代码正常；
2. 网上或手机拍摄的新图片，用于测试泛化；
3. 实际摄像头截图，用于测试部署场景。

如果第一类效果好、第三类效果差，通常说明存在场景差异，而不是权重文件损坏。

十八、使用摄像头实时识别

项目已经提供整理后的：

camera_mask.py

运行方法：

conda activate pytorch
cd /d D:\Jupyter_Projects\PythonProject\AI_Projects\Mask_YOLO\yolov5_2_0
python camera_mask.py

程序默认打开摄像头0：

cap = cv2.VideoCapture(0)

如果摄像头无法打开，可尝试改为1或2。出现检测窗口后按q退出。

程序自动选择设备：

DEVICE = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")

当前环境会显示：

Camera started on cpu. Press q to quit.

十九、实时推理代码逐步解释

加载模型：

model = attempt_load(str(WEIGHTS_PATH), map_location=DEVICE)
model.eval()

eval()会将模型切换到推理模式。它与torch.no_grad()作用不同：eval()调整部分网络层行为（如Dropout和BatchNorm），no_grad()关闭梯度记录以节省内存和计算。

读取摄像头帧：

ok, frame = cap.read()

使用Letterbox保持宽高比：

img = letterbox(frame, new_shape=IMG_SIZE)[0]

这里必须使用旧版YOLOv5 2.0的接口。该版本不接受新版教程中的stride=stride参数。

转换颜色通道和数组维度：

img = img[:, :, ::-1].transpose(2, 0, 1)
img = np.ascontiguousarray(img)

OpenCV读取的是BGR，模型训练通常使用RGB；OpenCV数组是[H, W, C]，PyTorch模型输入为[C, H, W]。

转换为张量并归一化：

img_tensor = torch.from_numpy(img).to(DEVICE).float() / 255.0
img_tensor = img_tensor.unsqueeze(0)

执行推理：

with torch.no_grad():
    prediction = model(img_tensor)[0]

执行NMS：

prediction = non_max_suppression(
    prediction,
    conf_thres=NMS_CONF,
    iou_thres=IOU_THRESH
)

最后使用scale_coords()把处理后图片中的框坐标映射回摄像头原图，再通过cv2.rectangle()和cv2.putText()绘制结果。

调试提示：

在推理代码中加入断点，观察prediction的数据结构。prediction是一个列表，每个元素形状为[N, 6]，其中N为检测目标数，6列分别为[x1, y1, x2, y2, conf, cls]。通过调试器可以查看具体检测结果。

二十、关键推理参数如何调整

当前实时程序采用：

MASK_CONF = 0.35
NO_MASK_CONF = 0.15
NMS_CONF = min(MASK_CONF, NO_MASK_CONF)
IOU_THRESH = 0.45
IMG_SIZE = 640

• MASK_CONF：戴口罩框的最低显示阈值；
• NO_MASK_CONF：未戴口罩框的最低显示阈值。安全监控通常更重视不要漏掉未戴口罩目标，所以可以设置得略低，但过低会增加误报；
• NMS_CONF必须不高于两个类别阈值中的最小值。否则no-mask候选框可能在分类别阈值判断之前就被NMS过滤；
• IOU_THRESH控制重复框抑制，0.45可以作为起点；
• IMG_SIZE增大可能改善小目标，但CPU推理更慢。

建议一次只修改一个参数，并使用同一组测试图片比较：

实验	MASK_CONF	NO_MASK_CONF	目标
A	0.35	0.15	当前基线
B	0.35	0.10	检查是否减少no-mask漏检
C	0.40	0.15	检查是否减少mask误报

阈值不能解决模型把no-mask分类成mask的问题，只能控制已有预测是否显示。

二十一、为什么全部识别成戴口罩

本项目出现“未戴口罩也标成戴口罩”，主要可能来自以下几个方面。

类别失衡

训练集中573个mask框，只有123个no-mask框。模型看到多数类的次数更多。

公开数据集与摄像头画面差异

数据集包含许多新闻和网络图片，实际摄像头则可能是固定室内背景、近距离脸部、特定镜头和特定光线。验证指标只能代表验证集分布。

原始实时代码强制拉伸图片

原代码使用：

cv2.resize(frame, (640, 640))

它会改变人脸比例。现在已经改为letterbox()，与YOLOv5的标准推理预处理保持一致。

验证样本太少

验证集中只有20个no-mask框。即使Recall较高，也不足以覆盖所有未戴口罩情况。

困难情况没有进入训练集

例如手遮挡嘴部、低头、侧脸、逆光和画面模糊等情况，模型可能把皮肤阴影误认为口罩区域。

二十二、如何改善no-mask类别

最有效的方法不是无限调整阈值，而是补充与实际应用一致的数据。

建议使用最终运行程序的同一摄像头采集：

• 不同人物未戴口罩画面；
• 正脸、左侧脸、右侧脸；
• 近距离、中距离、远距离；
• 白天、夜间和室内灯光；
• 坐着、站着、低头和移动；
• 手遮脸、围巾、衣领、眼镜等易混淆情况。

目标是将no-mask标注框从123增加到至少400～600，使其接近mask数量。不要简单复制同一张图片，因为复制不会增加场景多样性。

补充数据后重新划分：

训练集：约70%～80%
验证集：约10%～20%
测试集：约10%～20%

同一段视频的连续帧应尽量放在同一个划分中，避免相邻帧同时进入训练集和验证集造成数据泄漏。

标注时要明确规则。例如口罩没有遮住鼻子时究竟算mask还是no-mask，必须全数据集统一。如果希望检测“错误佩戴”，最好增加第三类：

0：mask
1：no-mask
2：incorrect-mask

增加类别后必须同步修改nc、names和全部标签编号。

二十三、旧版YOLOv5与新环境兼容问题

旧代码运行在较新的NumPy、PyTorch和torchvision上，可能出现兼容警告或错误。

NumPy的np.int错误

错误示例：

AttributeError: module 'numpy' has no attribute 'int'

原因是新版NumPy删除了已经弃用的np.int。旧代码中可以安全替换为：

int

letterbox参数错误

错误示例：

TypeError: letterbox() got an unexpected keyword argument 'stride'

原因是复制了新版接口，但YOLOv5 2.0的letterbox()没有该参数。旧版正确写法为：

letterbox(frame, new_shape=640)

torchvision图片扩展警告

Failed to load image Python extension

当前项目主要使用OpenCV读取图片，模型训练和推理已经实际运行成功，因此该警告不是本次程序退出原因。但它说明torchvision与底层图片库并非完全匹配，未来整理环境时应安装相互兼容的PyTorch与torchvision组合。

torch.load FutureWarning

这是PyTorch对未来默认行为和不可信权重安全风险的提示。自训练且可信的本地权重可以继续用于当前工程，但不要随意加载未知来源的.pt文件。

二十四、常见报错与处理方法

问题现象	可能原因	解决方案
ModuleNotFoundError: No module named torch	当前环境没有PyTorch	先执行conda activate pytorch
找不到data.yaml或图片目录	当前目录不对	确认从yolov5_2_0目录启动训练
No labels found	图片和标签路径对应错误	检查目录是否叫images与labels，文件名是否相同
类别名称显示反了	标签编号与names不对应	检查TXT中类别编号与names列表的对应关系
摄像头无法打开	设备被占用或ID不对	关闭其他摄像头应用，尝试VideoCapture(1)
CPU推理卡顿	输入尺寸过大	降低IMG_SIZE或跳帧处理
numpy的np.int错误	新版NumPy不兼容	将np.int替换为内置int
训练很好但摄像头很差	场景差异	保存摄像头失败画面，重新标注训练

二十五、一套规范的实验流程

为了避免“改了很多参数却不知道哪个有效”，建议采用固定实验流程。

第一步，保存当前基线：

数据集版本：v1
模型：YOLOv5s
图片尺寸：640
batch：4
epochs：200
预训练权重：yolov5s.pt

第二步，记录每次实验的opt.yaml、hyp.yaml和结果目录，不要覆盖旧结果。

第三步，使用固定验证集比较按类别Precision、Recall和mAP。

第四步，准备一组固定的真实摄像头测试图片，人工记录：

• 未戴口罩漏检数量；
• 未戴口罩错分为戴口罩的数量；
• 戴口罩错分为未戴口罩的数量；
• 完全没有检测框的数量；
• 单张平均处理时间。

第五步，每轮只改变一个主要变量，例如只增加数据、只修改阈值或只调整输入尺寸。

第六步，把失败样本加入下一版数据集，形成：

训练 → 部署测试 → 收集失败样本 → 重新标注 → 再训练

这比盲目堆叠训练轮数更接近真实工程流程。

二十六、总结

使用现成YOLOv5数据集时，最重要的是确保图片、TXT标签和data.yaml三者严格对应。标签必须使用从0开始的类别编号和归一化xywh坐标。

本项目使用Python 3.10的Condapytorch环境、YOLOv5s网络、预训练权重和640输入尺寸完成了200轮训练。模型在验证集上取得总体mAP@0.5 = 0.872，但no-mask类别样本过少，真实摄像头效果仍受类别失衡和场景差异影响。

完整项目的关键经验是：

• 固定正确的Python环境；
• 确认数据集路径和标签对应关系；
• 从预训练权重开始；
• 查看分类别指标，而不是只看总体mAP；
• 保持训练与推理预处理一致；
• 使用实际摄像头失败样本持续扩充数据；
• 不要把阈值调整误认为可以替代重新训练。